Revue des Energies Renouvelables Vol. 21 N°2 (2018) 247 - 265
247
Défauts liés aux systèmes photovoltaïques autonomes
et techniques de diagnostic - Etat de l’art
N. Aouchiche *
Centre de Développement des Energies Renouvelables, CDER
B.P. 62, Route de l'Observatoire, Bouzaréah, Algiers, Algeria
(reçu le 10 Janvier 2018 - accepté le 30 Juin 2018)
Résumé - L’efficacité de la production de l’énergie solaire photovoltaïque (PV) dépend
essentiellement des conditions auxquelles est soumis le générateur photovoltaïque. Ces
conditions peuvent être environnementales, opérationnelles liées au processus de
fabrication ou de l’exploitation. Ces facteurs sont l’origine d’un important nombre de
défauts qui engendre la dégradation de générateur PV. Dans la récente littérature,
plusieurs méthodes ont été développées pour faire face à ce genre de problème. Dans cet
article, on a cité des articles qui parlent de types de défauts rencontrés, leurs causes ainsi
que leurs impacts. On a passé en revue un nombre d’articles qui traitent les méthodes de
supervision et de diagnostic de systèmes photovoltaïques.
Abstract - The efficiency of the photovoltaic (PV) energy production depends essentially
on the conditions that the PV generator undergoes. These conditions can be
environmental, operational related to the manufacturing process or operation. These
factors are the source of a large number of faults that lead to PV generator degradation.
In the recent literature, several methods have been developed to deal with such problems.
This paper cited several articles that discuss the types of faults encountered, their causes
and their impacts. The article has reviewed a number of articles that discuss methods of
PV system supervision and diagnostics.
Mots clés: Système PV autonome, défauts, diagnostic, module, convertisseur DC/DC.
1. INTRODUCTION
L’énergie solaire photovoltaïque (PV) est une énergie durable, non polluante et
inépuisable qui peut être une énergie alternative aux énergies fossiles. Elle occupe une
importante place dans le domaine de la recherche afin de faire face aux besoins futurs
en matière d’énergie. Actuellement, la technologie de fabrication du module PV a
considérablement évolué en qualité et en coût de production. Le marché mondial de
solaire PV a augmenté de 5 MW en 1982 pour atteindre 50.6 GW en 2015 [1].
Les défauts que l'on peut retrouver sur une installation photovoltaïque, surviennent
autant lors de sa conception, de son installation, que lors de son exploitation [2]. Ces
défauts réduisent les performances de système photovoltaïque autonome, ce qui affecte
la production photovoltaïque [3].
L’évaluation précise et cohérente de performances des systèmes photovoltaïques est
cruciale pour un développement durable de l’industrie car elle est considérée, comme un
critère essentiel qui leur permet de définir la qualité de leurs produits. Dans le domaine
de la recherche et du développement, l’évaluation du rendement est un critère
fondamental pour la qualité des produits.
En plus, il est un indicateur essentiel pour identifier les défis à venir. En outre, une
procédure effective d’évaluation de fonctionnement et de l'entretien du programme
permet à la production des systèmes photovoltaïques d’atteindre son niveau attendu
d’efficacité, ce qui rendra par conséquent de tels systèmes plus fiables.
N. Aouchiche
248
Cependant, les coûts d’exploitation et d'entretien sont importants [4]. Parmi les
solutions proposées dans la littérature pour réduire ces coûts, Geoffrey et al., (2014) ont
proposé de meilleures pratiques et des systèmes de surveillance notamment
photovoltaïques qui sont largement recommandées [5].
Fig. 1: Evolution mondiale de capacité d’installations de PV 2000-2015 [1]
Les systèmes de surveillance sont essentiels pour maintenir des performances
optimales des systèmes photovoltaïques (PV). Un aspect crucial dans ces systèmes de
surveillance est la technique de diagnostic de pannes. La détection de défauts et la
technique de diagnostic consistent à identifier les causes en affectant la production
d’énergie en temps réel et/ou le bon fonctionnement des systèmes photovoltaïques.
Ces dix dernières années, diverses méthodes de détection des défauts ont été citées
dans la littérature. Parmi ces techniques de détection, certaines sont consacrées
uniquement aux défauts qui se produisent dans le système photovoltaïque PV, d’autres
traitent les défauts à la partie DC du système PV, alors que le reste axée sur les pannes
du côté AC.
La supervision des systèmes photovoltaïques consiste à comparer les données
prévisionnelles avec les résultats mesurés à partir de l’installation et de fournir des
rapports techniques. Ces systèmes sont principalement composés de capteurs
(électriques et environnementaux), un système d’acquisition de données avec les
protocoles de communication adapté. Ils comportent également des algorithmes
d’analyse des données [6].
Au cours des dernières années, le domaine de la surveillance des installations
photovoltaïques a gagné plus de maturité, de plus en plus d’articles scientifiques qui
sont en rapport à ces systèmes font leur apparition. La plupart d'entre eux traitent une
partie du système de surveillance, tels que les capteurs et l’acquisition de données [7-9].
D’autres travaux de recherche se sont intéressés aux équipements de mesure, les
systèmes d’acquisition de données et de stockage des données de mesure, ainsi que des
méthodes de transmission de données et les logiciels de supervision (monitoring) des
systèmes [10–13].
En outre, quelques éléments ont été utilisés pour l’élaboration des algorithmes
dédiés au diagnostic du module PV et aux pronostics [13,14]. En plus, les méthodes
d’analyse des données pour les systèmes PV sont présentés dans [15]. En effet, les
algorithmes et les nouvelles techniques de diagnostic ont été proposés pour surveiller
les installations photovoltaïques, de prédire le mauvais fonctionnement et d’améliorer
les performances du système photovoltaïques.
Certains de ces algorithmes de détection de pannes photovoltaïques sont basés sur la
simulation du circuit électrique du générateur photovoltaïque [16-18]. D’autres utilisent
des approches basées sur les signaux électriques [19, 20] ou les différentes techniques
de la poursuite de point de puissance maximale (MPPT) [21-23].
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
249
Certains de systèmes de supervision nécessitent des données météorologiques et
environnementales du satellite d’observations [24-27]. Plusieurs systèmes adoptent
l'analyse statistique pour les mesures de système PV [28-32], d’autres adoptent des
méthodes basées sur l’intelligence artificielle [49], les réseaux neuronaux en particulier
[33-36], la logique floue [37-42], ou les méthodes méta-heuristiques [43-48].
La première partie de cette étude, quelques types de défauts potentiels qui peuvent
apparaître dans différents étages de système photovoltaïques ont été cités. Ces défauts
peuvent apparaître lors de processus de fabrication ou lors de la phase d’exploitation.
La seconde partie a été consacrée au diagnostic des défauts, nous parlons des étapes,
de l’architecture et des objectifs de diagnostic. Quelques méthodes de détection de
défauts les plus citées dans la littérature ont été recensées. Un aperçu détaillé de ces
techniques ainsi que leurs performances est donné, pour montrer leurs différences, leurs
avantages et leurs limites.
Ce document est organisé comme suit: la section 2 donne un bref rappel des
systèmes photovoltaïques et le modèle de générateur PV. La section 3 présente les
différents défauts qui peuvent se produire dans une installation photovoltaïque. La
section 4 est dédiée au diagnostic des défauts dans un système PV autonome. Dans cette
section, on citera les étapes de diagnostic et on parlera de ses objectifs ainsi que de son
architecture. La section 4 présente quelques méthodes les plus répandues, qui sont
appliquées pour la détection des défauts liés aux installations PV autonomes. Ce rapport
se termine par une conclusion.
2. CHAINE DE CONVERSION
PHOTOVOLTAIQUE AUTONOME
Comme le montre la figure 1, les installations photovoltaïques sont principalement
composés de modules PV connectés aux convertisseurs DC/DC dont le fonctionnement
dépend des contrôleurs MPPT. Cette connexion est assurée via une boîte de jonction.
Les diodes de blocage sont habituellement incluses dans la construction de chaque
module PV.
Fig. 2: Système photovoltaïque autonome
2.1 Générateur photovoltaïque
C'est un dispositif qui permet de convertir l'énergie solaire en électricité. Il est
constitué d'un certain nombre de panneaux selon la puissance crête souhaitée. Ces
derniers sont formés à partir des modules reliés entre eux en série ou en parallèle. Le
module est un ensemble de cellules photovoltaïques.
2.1.1 Circuit équivalent de la cellule photovoltaïque
La figure 2 représente un modèle électrique de la cellule photovoltaïque, prenant en
compte différents facteurs limitatifs.
N. Aouchiche
250
On y retrouve le générateur de courant phI , correspondant au courant photo généré,
ainsi que des résistances complémentaires, sR et pR et deux diodes 1D et 2D . cR
est la résistance de charge. La résistance série sR est due à la résistivité des différentes
couches de la cellule [49, 50].
Fig. 3: Circuit électrique équivalent d’une cellule photovoltaïque
Emetteur, base et contacts métalliques (en particulier leur interface avec le semi-
conducteur).
Ce terme doit, idéalement, être le plus faible possible pour limiter son influence sur
le courant de la cellule. La résistance parallèle ou de court-circuit pR traduit quant à
elle, la présence d’un courant de fuite à travers l’émetteur. Elle peut aussi être due à un
court-circuit sur les bords de la cellule. Cette valeur devra être la plus élevée possible.
Nous avons également tenu compte d’un modèle plus rigoureux au niveau des différents
courants en faisant appel à deux diodes. Le terme 2sI correspond au courant de
diffusion.
pj2d1dph RVIII)V(I (1)
pjj22sj11sph RV1)Vn(.expI1)Vn(.expII)V(I (2)
avec
sj R.IVV (3)
phI , Courant de photo génération; 1DI , Courant de génération-recombinaison ou
effet tunnel dans la zone d'espace; 2DI , Courant de diffusion dans les zones neutres;
pR , Résistance parallèle; sR , Résistance série; sI , Courant de saturation;
)T.k.i(q avec n , facteur d'idéalité de la diode; 1DI et 2DI , sont les courants
de saturation des diodes; 1n et 2n , les facteurs de pureté de la diode; et T , la
température absolue.
L'équation contient également la charge élémentaire { )C10.602.1(q 19} et la
constante de Boltzmann { )K/J10.380.1(k 23}. Le photo-courant max.phI est atteint
à une insolation maximum, souvent nous avons { max.phph I.SI } avec S le
pourcentage d'insolation.
Il est évident, de l'équation 4, que la caractéristique courant-tension dépend
fortement de l'insolation et de la température. La dépendance, vis-à-vis de la
température, est encore amplifiée par les propriétés du photo-courant phI et les courants
de saturation inverse des diodes qui sont données par [50, 51],
)10.5(.)K.298T(1I)T(I 4
)K298T(phph
(4)
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
251
2.1.2 Circuit équivalent et modèle mathématique d’un panneau photovoltaïque
Le modèle mathématique, qui caractérise le panneau PV, est donné par l’équation
suivante,
pr
sr
2r
sr2D
1r
sr1Dph
RN
RNIV1
TknN
)RNIV(qexpI1
TknN
)RNIV(qexpIII
(5)
sérieenraccordéesPVcellulesdeNombreNr
3. DEFAUTS DU SYSTEME PHOTOVOLTAIQUE
3.1 Types de défauts du module PV
Le générateur PV est le principal composant de l’installation PV. Toute rupture liée
au module PV affectera les performances du système PV. Les types de défauts
rencontrés à ce niveau du générateur sont présentés dans le Tableau 1 [53]. Ces défauts
sont classés selon leurs effets et leurs conséquences. Dans ce qui suit, on citera quelques
défauts qui se produisent au niveau de générateur PV.
3.1.1 Défaut d’encapsulation
Ce défaut est causé notamment par délamination et les taches qui apparaissent
fréquemment dans des conditions humides et chaudes. Ce défaut se trouve entre
l’encapsulation et les cellules actives. Le défaut d’encapsulation peut se produire à
cause de l’accumulation de sel, des contaminations, l’infiltration d’humidité ou d’autres
facteurs externes.
Parmi les techniques recommandées pour la détection de la délamination, on peut
citer, la thermographie, le scanner à ultrasons et la tomographie à rayons X.
L’irrégularité peut être quantifiée par un réflectomètre. Quant à la décoloration, c'est un
autre défaut d’encapsulation qui engendre la corrosion la diminution de la résistance en
série, ce problème est considéré comme le type de dégradation plus fréquent des
panneaux PV [2, 54, 55].
3.1.2 Perte d’adhérence de back-sheet
Une back-sheet d’un panneau est une protection des composants électroniques de
facteurs externes et une sécurité de hautes tensions continues. Cette anomalie être
causée par la délamination. Si elle se produit, les composants électriques actifs seront
exposés. Cela se traduirait par un défaut d’isolement qui présente des problèmes de
sécurité. La forme et la composition des matériaux en de back-sheet peuvent être la
cause de ce défaut [2, 16, 56, 57].
3.1.3 Fissuration des cellules
La fissure peut survenir à n’importe quel moment. Elle peut être causée au cours de
processus de fabrication ou au cours de l’emballage et le transport par une mauvaise
manipulation et vibration. Processus d’installation est autre cause de ce défaut [52, 54,
55].
3.1.4 Interconnexion endommagée
Une mauvaise soudure entre ruban d’interconnexion de la branche avec celui de la
cellule est la principale raison de ce débranchement. Les contraintes dues au transport,
les points chauds, le cycle thermique ou les contraintes mécaniques répétées
affaiblissent le ruban d’interconnexion jusqu’à la rupture. La courte distance entre les
cellules développe ce type de défaillance. Il peut en résulter des cellules court-circuitées
[56, 57].
N. Aouchiche
252
Tableau 1: Défauts liés au générateur PV [53]
3.1.5 Ombrage et des salissures
Deux types d’ombrage existent [56, 58]. Le premier, c’est l’ombrage dur, qui se
produit si les panneaux PV sont ombragés par un matériau solide, par exemple des
bâtiments ou de la poussière. Le deuxième type est doux ombrage léger qui peut être
causé par les nuages.
Le premier type entraîne une baisse de tension et le deuxième affecte le courant et
mais non pas la tension. Les deux influent négativement sur les performances du
module PV.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
253
Les performances et la perte de puissance sont liées aux surfaces très sales ou
ombragés [2, 58].
En effet, les cellules ombrées se comportent comme une résistance au courant
généré [54, 56]. Elles chauffent et le phénomène de hot spot se produit.
3.2 Défauts au niveau de convertisseur DC/DC
Le convertisseur DC/DC est considéré comme un élément crucial dans le système PV. Des
études ont démontré qu’il est l’un des composants les plus vulnérables [58]. Parmi les pannes
qu’on peut trouver au niveau du hacheur DC/DC, il y a,
- Problèmes de conception et de fabrication- Le rendement du hacheur dépend des
conditions de fonctionnement qui sont basées sur la gestion thermique et des
mécanismes de dissipation de la chaleur due à la commutation des interrupteurs et des
condensateurs.
- Problèmes de contrôle- Ils sont liés à l’interaction de l’onduleur avec la nature de
la charge à alimenter.
- Les défaillances des composants électriques- Elles se produisent lorsque des
composants du convertisseur sont exposés à des contraintes thermique et électrique lors
de fonctionnement. Le cycle de vie du convertisseur PV dépend essentiellement de
l’interrupteur de commutation.
Kaplar et al., ont étudié les interrupteurs 'IGBT' et ont montré qu’il est considéré
comme la cause première des pannes de convertisseurs DC/DC [53]. C’est pourquoi,
l’IGBT est considéré comme la partie principale du hacheur.
3.3 Pannes au niveau de la boîte de jonction
Une boîte de jonction est une protection pour le câblage qui lie le module PV aux
bornes extérieures des autres dispositifs de système PV. Ce défaut est causé par une
mauvaise fixation de la boîte à la backsheet, la pénétration de l’humidité, la corrosion
des raccordements, le mauvais câblage menant à l’arc interne, le mauvais montage ou à
cause de dégradation thermique [53-56,58].
3.4 Défauts de diodes bypass
Une diode bypass compense les pertes de puissance et la réduction de performances
qui résulte du phénomène de l’ombrage de module PV. Elle évite la polarisation
inverse, le hot spot et destruction du module.
Leur détection est difficile car ils n’apparaissent que lorsque le problème de
mismatching dans la courbe VI de la cellule se produit. Ces défauts peuvent être
apparaitre suite à la rupture de la connexion de la diode ou le montage inverse de la
diode bypass [16, 54, 56].
3.5 Défaut de mismatching
Ce défaut se produit lors du changement des paramètres électriques du module par
rapport aux valeurs initiales, [39, 56]. Il peut être temporaire, tel que l’ombrage des
cellules qui conduit à un hot spot. Il peut être également permanent, en raison de la
présence d’un circuit ouvert ou de cellule défectueuse réduisant le courant qui mène à
une dissipation de puissance [16, 56].
3.6 Défaut de terre
Il se produit accidentellement par un court-circuit électrique [16, 56, 58]. La
majorité des systèmes PV sont équipés de dispositif de détection de défaut de terre et
d’interruption de courant de défaut [73].
N. Aouchiche
254
Tableau 2: Défauts liés au à la boîte de jonction [53]
3.8 Défaut d’arc
Il se produit en raison de la discontinuité et de rupture d’isolation en courants
conducteurs ou adjacents. Les défauts d’arc produisent le bruit de haute fréquence dans
le signal du courant continu de la branche PV [16, 56, 73]. Ce type de rupture est très
dangereux pour les plantes et peut produire des incendies.
4. DIAGNOSTIC DES DEFAUTS DANS UN SYSTEME
PHOTOVOLTAIQUE AUTONOME
4.1 Etape de diagnostic
Tout système est susceptible de présenter des symptômes révélateurs de défauts. Le
défi est de pouvoir détecter et localiser ces défauts d’une manière automatique [59]. Le
principe général de surveillance d’un système autonome peut être décrit par la figure 2,
les étapes sont détaillées comme suit [59–61],
Prise de mesures- La mesure que l’on fait sur le système est la seule information
pour connaitre l’évolution du système. Elle se fait à l’aide d’un capteur approprié et
nécessite souvent d’une étape de filtrage.
Détection de défauts- Souvent, il s’agit d’un test statistique traitant un signal
susceptible de contenir des informations sur l’état du système à surveiller.
Localisation de défauts- C’est souvent une tâche liée aux caractéristiques du
système. Il s’agit d’un test qui traite l’information sur l’origine de la provenance du
défaut.
Identification de défauts- Il s’agit de caractériser le défaut, d’estimer son importance
et son comportement dans le temps [61].
Décision- C’est une décision sur le type d’action à prendre pour rétablir de système.
Correction- C’est l’action d’arrêter le système et de procéder à une maintenance
corrective [59].
Adaptation- C’est l’action de reconfiguration et d’adaptation de la consigne à
injecter dans le système.
4.2 Objectifs
- Réduction des arrêts imprévus
- Réduction des pertes de production
- Eviter les graves dommages
- Planification optimale des opérations de maintenance et limitation des coûts de
réparation.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
255
Fig. 4: Organigramme de diagnostic des défauts
4.3 Architecture de diagnostic
Les principaux objectifs de la surveillance du système PV sont la détection de la
défaillance, l'évaluation de la performance et l’assurance du bon fonctionnement du
système. Ceci nécessite des données électriques et environnementales à des panneaux
photovoltaïque [15, 62]. Pour atteindre ces objectifs, des composants dédiés, tels que les
capteurs, l'acquisition de données systèmes, les systèmes de communication de données
et le logiciel dédié et les algorithmes pour l’analyse de données sont utilisés [15].
La taille et le fonctionnement du système et des coûts d’entretien sont des
paramètres déterminent le système de surveillance adéquat. En revanche, la taille de
l’installation photovoltaïque est importante pour la conception du système de
surveillance.
L’adoption des capteurs câblés dans les petites installations PV est économique et
moins complexe. Cependant, les réseaux sans fil sont plus commodes pour les
moyennes et grandes installations photovoltaïques.
Fig. 5: Schéma global de détection et de diagnostic des défauts
Selon la figure 2, l’architecture du système diagnostic peut être divisée en trois
niveaux,
N. Aouchiche
256
Dans le premier niveau il y a les capteurs, qui sont les principaux composants pour
parvenir à une base de données précise et fiable.
Le deuxième niveau est l’acquisition de données, qui inclut des mesures et de
l’application prétraitement de signal mesuré (pré-processing). A ce niveau, matériel
spécifique et un réseau la communication sont exigés.
Le troisième et dernier niveau est le plus flexible. Il consiste à la mise en oeuvre de
techniques d’analyse qui conduit à évaluer et estimer les performances de ce système
photovoltaïque.
5. METHODES DE DETECTION DE DEFAUTS
LIES AUX SYSTEMES PHOTOVOLTAIQUES AUTONOMES
Récemment, des efforts ont été déployées afin de comprendre les défauts et les
contraintes des systèmes PV, ce qui permet le développement de nouvelles techniques
de détection de défauts. Ces techniques ont contribué à améliorer les performances des
systèmes PV, ainsi que leur durée de vie. Comme le montre la figure 3, quelques-unes
de ces méthodes sont abordées dans ce rapport.
5.1 Caractérisation électrique
5.1.1 Méthode indépendante des données climatiques
Ce type de méthodes ne demande pas de mesures des paramètres météorologiques
pour la {détection et la classification de défaut, 'DCD'] [61]. Ces méthodes utilisent des
appareils de mesure, tels que RLC-mètre et le générateur de signaux. Elles sont basées
sur l’analyse de la réponse de système PV juste après l’injection de signal à traiter.
Parmi ces techniques, on peut citer la technique de mesure de la capacité de la terre
qui a été proposée par Takashima et al., (2006) afin de détecter la déconnexion d’un
panneau PV de la branche [63].
Schirone et al., (1994) ont développé la technique de réflectométrie de domaine
temporel, qui consiste à prendre des mesures sur les caractéristiques électriques de la
ligne de transmission pour repérer un point de panne, des défauts et le changement de
l’impédance qui est due à la dégradation sans avoir recours aux données climatiques
[64].
5.1.2 Mesure de tension/courant
Cette technique est basée sur les mesures des signaux électriques, qui sont la tension
et le courant [65]. Hirata et al., (2011) ont développé une fonction de diagnostic qui
permet d’obtenir les courbes I (V) des PV modules de la même branche pour détecter
automatiquement certaines défaillances. [19].
Kaplanis et al., (2011) ont calculé de facteur de forme (FF), les résistances série et
parallèle à partir de la courbe I (V) [64].
5.1.3 Comparaison des valeurs simulées et mesurées des signaux de sortie de
système PV
Grâce à ce genre de technique, la comparaison entre les valeurs simulées et
mesurées, des signaux de sortie du système PV, permet la détection de pannes {Chouder
et al., (2010), Silvestre et al., (2013)} [66, 67]. Afin de déterminer la puissance de sortie
souhaitée du système PV, et divers modèles prédictifs ont été testés.
En général, ces techniques aident à déterminer les seuils théoriques, pour lesquels la
variation de puissance de sortie des systèmes ne dépasse pas, sinon le système est
considéré défectueux.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
257
5.1.4 Analyse des de perte de puissance
L’analyse des pertes de puissance dans le PV système revient à déterminer les pertes
de puissance qui sont calculées en comparant les données mesurées aux résultats
simulés. Chouder et al., (2010), ont proposé une méthode de détection, de supervision et
de défaut sur la base des analyses de pertes de puissance [67].
Silvestre et al., (2013) ont utilisé les ratios de tension et de courant dans l’algorithme
de détection de pannes et ce en mesurant les pertes capturées dans un système PV [66].
5.1.5 Technique d’intelligence artificielle
Cette technique est appliquée pour la DCD. Elle se base sur l’apprentissage qui
permet des nouvelles conditions correspondant à un type de données particulier.
(Schapire, 2008). Diverses techniques pour la DCD basées sur l’intelligence artificielle
(IA) ont été citées dans la littérature.
Parmi ces articles, on peut citer, Shah et al., (2016) ont traité les défauts liés à
l’ombrage en utilisant l’algorithme de la logique floue, 'LF' [68]. Zhou et al., (2015)
avait présenté un contrôleur basé sur la logique floue, 'LF' pour atteindre le MPP [69].
Liu et al., (2014) ont utilisé le réseau de neurones artificiel (ANN) les différents défauts
liés au fonctionnement du champ PV [70].
5.1.6 Modèles basés sur la température et échange de chaleur
Cette technique est basée sur le fait, que les défauts qui apparaissent dans le
générateur PV provoquent un changement de la température du module PV. Hu et al.,
(2013) et Vergura et al., (2012) ont modélisé les défauts physiques de différents types
de cellules PV à l’aide de la méthode d’élément limité [71, 72]. Elle est basée sur le
comportement thermique des cellules PV résultant de pannes électriques.
5.1.7 Surveillance des courants résiduels (SCR)
Les appareils de surveillance des courants résiduels écartent la différence entre le
courant entrant et sortant de système PV à travers les conducteurs porteurs de courant
{current carrying conductors (CCC)} positifs et négatifs.
Pour protéger le système PV contre les failles, la surveillance des courants résiduels,
'SCR' peut être installé pour chaque branche ou pour l’ensemble de l’installation PV
[73, 74]. En considérant le courant de fuite des modules PV, la sensibilité de ce système
de surveillance, SCR' doit être définie.
Il est recommandé que le réglage de courant différentiel, ' I ' à qui un RCD signale
un défaut à la terre doit être choisi selon l’équation suivante [75].
max,fuiteSL IxCI (6)
où max,fuiteI est le courant de fuite maximal et SLC est le facteur de pondération. Les
valeurs de SLC doivent être inférieures à (un) 01 pour éviter les fausses disjonctions
causées par les erreurs de mesure ou les bruits externes.
5.1.8 Surveillance d’isolation
La technique prévient les défauts d’arc qui peuvent engendrer des incendies, donc de
sérieux préjudices dans les installation PV. Grâce à des dispositifs de surveillance
d’isolation de pointe (DMR), elle permet la mesure de la résistance entre la CCC et la
terre.
DMR donne l’alarme une fois que la résistance est inférieure à la valeur préréglée
( ftthreR ) [6, 76]. DMRs sont utilisés pour détecter le défaut à la terre dans un système
N. Aouchiche
258
lié à la terre en retirant le fusible de {ground fault detector/interrupter (GFDI)} au
moment de la mesure.
Etant donné que la résistance d’isolement est en influencée par la température
ambiante. Dans d'autres conditions, la valeur seuil pour un faux déclenchement ( ftthreR )
est suggéré dans [6] et est affecté comme suit,
minisoSRfthre RxCR (7)
où minisoR est la résistance d’isolement minimale et SRC est le multiplicateur,
semblable à SLC dans (1). La valeur de SRC devrait être inférieure à 1, pour éviter les
fausses disjonctions.
5.1.9 Détection de défauts de la mise de la terre
Un défaut à la terre est un court-circuit entre un conducteur et la terre ou un élément
conducteur mis à la terre. Il génère un courant appelé homopolaire circulant par erreur
du conducteur vers la terre [73, 77].
Il peut être monophasé ou triphasé. C'est peut être la cause de l’incendie au niveau
de l’installation PV, donc il est indispensable de détecter ce genre d’anomalies. A cet
effet, Flicker et al., (2016) ont analysé les défauts de la mise de la terre dans les
installations PV et l’efficacité du fusible; le détecteur de courant résiduel / supervision
d’isolation; l'isolation monitor et les équipements de protection de défaut de la terre par
simulation et des tests expérimentaux pour réduire au minimum les éventuels et
indésirables disjonctions tout en maximisant la détection de défaut du photovoltaïque
[76].
5.2 Inspection visuelle
L’inspection visuelle est la première étape dans la détection des défauts. Cette étape
est décisive pour définir les types de test à appliquer sur le module PV afin d’évaluer
son état. Dans le but de réaliser une bonne analyse des données résultantes, cette
inspection doit être effectuée dans des conditions qui répondent à la norme IEC61215
[78].
Afin de bien identifier le défaut, ce dernier doit être inspecter sous différents angles.
Une procédure d’inspection visuelle détaillée pour l’opération et de la maintenance des
systèmes PV est mentionnée par Haney et al., (2013) [78].
5.3 Imagerie infra-rouge/thermique
L’imagerie IR/thermique est une autre méthode très répandue pour le diagnostic de
panne PV. Cette méthode est basée sur le concept de génération de chaleur localisée à
cause des mauvais contacts, short circuits, etc.... Dans une série connectée des cellules
PV, certaines cellules qui génèrent moins de courant par rapport à d’autres cellules
deviennent inversées, biaisées et agissent comme résistance et dissipent par effet de
Joule la chaleur.
5.4 Inspection par ultrasons
Ceci méthode est non destructive. Elle consiste à capter des ondes ultrasoniques, qui
portent à plus de 20 kHz, afin de les analyser et les interpréter. Grâce à cette technique,
le module PV subit un balayage afin de détecter des fissures des cellules qui peuvent se
produire durant le processus de fabrication ou lors de l’exploitation de module PV.
5.5 Thermographie infrarouge
La thermographie infrarouge {Lock-in thermography (LIT)} permet l’inspection de
panneaux PV afin d’optimiser le rendement de l’installation en détectant d’éventuels
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
259
défauts tels que : les points chauds (hot spots), défauts au niveau de la boîte de jonction
(induisant des échauffements), dégradation de module PV, etc…
Straube et al., (2011) ont montré expérimentalement qu’il est possible d’obtenir des
images de lock-in thermographie d’une couche active à travers une couche de verre de 3
mm qui est essentiellement opaque au rayonnement infrarouge [79].
Dans le but d’évaluer les performances de la cellule PV, Breitenstein et al., (2016)
ont effectué une étude comparative entre la méthode appelée 'Elba' qui repose sur
l’injection dépendant de photoluminescence (PL) et la méthode appelée 'Local I-V', qui
est issue de la technique de blocage sombre de la thermographie (DLIT) sur une cellule
solaire [80].
Fig. 6: Techniques de détection de défauts pour les systèmes PV autonomes
6. CONCLUSION
Ce travail consiste à faire une recherche bibliographique sur les performances des
générateurs photovoltaïques autonomes. Cette étude traite les différents types de
contraintes qui peuvent se produire aux différents étages de système photovoltaïque.
La seconde partie de l’étude de l’état de l’art est dédiée à la description de
l’architecture des systèmes diagnostiqués en mettant l’accent sur les systèmes
d’acquisition de données, des capteurs et les différentes méthodes de détection de
défaut.
Parmi les techniques proposées dans la littérature, on a cité les techniques les plus
répandues et on a décrit leurs principes d’application sur l’analyse de la caractéristique
statistique VI afin d’évaluer les performances des systèmes photovoltaïques sous
différentes conditions.
L’étude de ces différentes méthodes de diagnostic a été effectuée dans le but de
sélectionner la technique qui peut être la plus appropriée pour étudier la caractéristique
VI . Cette méthode permettra d’établir une base de données des différents
comportements du champ photovoltaïque, ce qui définira sa performance dans la
détection de défauts.
N. Aouchiche
260
BIBLIOGRAPHIE
[1] Power FS, 'Global Market Outlook' 2016.
[2] A. Triki-lahiani, A.B. Abdelghani and I. Slama-belkhodja, 'Fault Detection and
Monitoring Systems for Photovoltaic Installations: A Review', Renewable
Sustainable Energy Review, pp. 0-1, 2017. doi:10.1016/j.rser.2017.09.101.
[3] L. Bun, 'Détection et localisation de défauts dans un système photovoltaïque', L.
Bun To Cite this Version: Hal-Id, Détection et Localisation de Défauts pour un
Système PV 2012.
[4] F.P. Baumgartner, O. Maier, D. Schär, D. Sanchez and P. Toggweiler, 'Survey of
Operation and Maintenance Costs of PV Plants in Switzerland', 31st European
Photovoltaic Solar Energy Conference and Exhibition, pp. 1583 - 1586, 2015.
[5] G.T. Klise, R.R. Hill, C.J. Hamman, P.H. Kobos, V. Gupta and B.B. Yang, 'PV
Reliability Operations and Maintenance', PVrom, Database Initiative: 2014,
Progress Report 2014.
[6] G. Ball, B. Brooks, J. Johnson, A. Rosenthal, M. Albers and T. Zgonena, 'Inverter
Ground- Fault Detection 'Blind Spot' and Mitigation Methods', Prepared by Solar
America Board for Codes and Standards, Non disponible.
[7] D.L. King, M.A. Quintana, J.A. Kratochvil, D.E. Ellibee and B.R. Hansen,
'Photovoltaic Module Performance and Durability Following Long-term Field
Exposure 2000:241–56.
[8] J.D. Bastidas-Rodriguez, G. Petrone, C.A. Ramos-Paja and P. de Minas,
'Photovoltaic modules diagnostic: an overview' 39th Annual Conference IEEE Ind.
Electron Society, Vol. 1, pp. 96 – 101, 2013.
[9] H. Werner and U. Rau, 'Reciprocity Between Electroluminescence and Quantum
Efficiency Used for the Characterization of Silicon Solar Cells', pp. 394 - 402, 2009.
doi:10.1002/pip.
[10] S. Manzano, R. Peña-Ortiz, D. Guevara and A. Ríos, 'An Overview of Remote
Monitoring PV Systems, Acquisition, Storages, Processing and Publication of
Real-Time Data Based on Cloud Computing', 2014.
https://www.researchgate.net/publication/306105399.
[11] C. Huang, Y. Lian and H. Tsai, 'Design for Microcontroller-Based Photovoltaic
Monitoring System', N.D.
[12] G. Chimento, 'Reliability Improvement of Photovoltaic Power Conversion', pp. 1 -
6, 2002.
[13] J. Han, J.D. Jeong, I. Lee and S.H. Kim, 'Low-Cost Monitoring of Photovoltaic
Systems at Panel Level in Residential Homes Based on Power Line
Communication', IEEE Transactions on Consumer Electronics, pp. 425 - 441,
2017.
[14] I. Cristaldi, G. Leone and S. Vergura, 'Performance Index of Photovoltaic Fields
for Diagnostic Purposes', pp. 1 - 6, non disponible.
[15] S.R. Madeti and S.N. Singh, 'A comprehensive study on different types of faults and
detection techniques for solar photovoltaic system', Solar Energy, Vol. 158, pp.
161 - 185, 2017. doi:10.1016/j.solener.2017.08.069.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
261
[16] A. Mellit, G.M. Tina and S.A. Kalogirou, 'Fault detection and diagnosis methods
for photovoltaic systems: a review', Renewable Sustainable Energy Review, Vol.
91, pp. 1 - 17, 2018. doi:10.1016/j.rser.2018.03.062.
[17] S. Lu, B.T. Phung and D. Zhang, 'A comprehensive review on DC arc faults and
their diagnosis methods in photovoltaic systems', Renewable Sustainable Energy
Review, Vol. 89, pp. 88 - 98, 2018. doi:10.1016/j.rser.2018.03.010.
[18] E. Garoudja, F. Harrou, Y. Sun, K. Kara, A. Chouder and S. Silvestre, 'Statistical
fault detection in photovoltaic systems', Solar Energy, Vol. 150, pp. 485 - 499,
2017. doi:10.1016/j.solener.2017.04.043.
[19] Hirata Y, Noro S, Aoki T, Miyazawa S. Diagnosis Photovoltaic Failure by Simple
Function Method to Acquire I - V Curve of Photovoltaic Modules String 2011:10–
3.
[20] Çak B. A novel voltage-current characteristic based global maximum power point
tracking algorithm in photovoltaic systems 2016;112.
doi:10.1016/j.energy.2016.05.121.
[21] Aouchiche N, Becherif M, HadjArab A, Aitcheikh MS, Ramadan HS, Cheknane A.
Dynamic Performance Comparison for MPPT-PV Systems using Hybrid
Pspice/Matlab Simulation. Int J Emerg Electr Power Syst 2016;17:529–39.
doi:10.1515/ijeeps-2016-0074.
[22] Daraban S, Petreus D, Morel C. A novel MPPT (maximum power point tracking)
algorithm based on a modified genetic algorithm specialized on tracking the global
maximum power point in photovoltaic systems affected by partial shading. Energy
2014;74:374–88. doi:10.1016/j.energy.2014.07.001.
[23] N. Bizon, 'Global Extremum Seeking Control of the power generated by a
Photovoltaic Array under Partially Shaded Conditions', Energy Conversion
Management, Vol. 109, pp. 71 - 85, 2016. doi:10.1016/j.enconman.2015.11.046.
[24] R.A. Silva and M.C. Brito, 'Impact of network layout and time resolution on spatio-
temporal solar forecasting', Solar Energy, Vol. 163, pp. 329 - 337, 2018.
doi:10.1016/j.solener.2018.01.095.
[25] Nespoli L, Medici V. An unsupervised method for estimating the global horizontal
irradiance from photovoltaic power measurements. Sol Energy 2017;158:701–10.
doi:10.1016/j.solener.2017.10.039.
[26] Sobri S, Koohi-kamali S, Rahim NA. Solar photovoltaic generation forecasting
methods : A review Number of Day. Energy Convers Manag 2018;156:459–97.
doi:10.1016/j.enconman.2017.11.019.
[27] Ventura C, Tina GM. Utility scale photovoltaic plant indices and
models for on-line monitoring and fault detection purposes. Electr
Power Syst Res 2016;136:43–56. doi:10.1016/j.epsr.2016.02.006.
[28] Livera A, Theristis M, Makrides G, Georghiou GE. On-line Failure
Diagnosis of Grid-Connected Photovoltaic Systems based on Fuzzy
Logic n.d.
[29] M. Davarifar, A. Rabhi and M. Dahmane, 'Real-time Model base Fault Diagnosis
of PV Panels Using Statistical Signal Processing', pp. 20 - 23, 2013.
N. Aouchiche
262
[30] M. Dhimish, S. Member, V. Holmes and M. Dales, 'GCPV-VIS', For Detecting
Photovoltaic Failure n.d.
[31] E. Garoudja, F. Harrou, Y. Sun, K. Kara and A. Chouder, 'A statistical-based
approach for fault detection and diagnosis in a photovoltaic system', pp. 75 - 80,
2017.
[32] S. Vyas, 'Statistical Identification and Classification of Potential Islanding
Precursors in a Grid-Connected Solar Photo Voltaic System', non disponible.
[33] A. Mellit and S.A. Kalogirou, 'MPPT-based artificial intelligence techniques for
photovoltaic systems and its implementation into field programmable gate array
chips: Review of current status and future perspectives', Energy, Vol. 70, pp. 1 -
21, 2014. doi:10.1016/j.energy.2014.03.102.
[34] Y. Liu, X. Zhu and J. Yang, 'Fault diagnosis of PV array based on optimised BP
neural network by improved adaptive genetic algorithm', pp. 19-20, 2017.
doi:10.1049/joe.2017.0567.
[35] L.L. Jiang and D.L. Maskell, 'Automatic Fault Detection and Diagnosis for
Photovoltaic Systems using Combined Artificial Neural Network and Analytical
Based Methods', International Joint Conference on Neural, 2015.
[36] S. Laamami, M. Benhamed, L. Sbita, 'Artificial Neural Network- based Fault
Detection and Classification for Photovoltaic System', 2017.
[37] N. Aouchiche, M.S. Ait Cheikh, M. Becherif, M.A. Ebrahim and A. Hadj Arab,
'Fuzzy Logic Approach Based Mppt for the Dynamic Performance Improvement
for PV Systems', The 5th International Conference on Electrical Engineering, ICEE-
B, Boumerdes, Algeria, October 29-31, 2017.
[38] Y.T. Chen, Y.C. Jhang and R.H. Liang, 'A fuzzy-logic based auto-scaling variable
step-size MPPT method for PV systems', Solar Energy, Vol. 126, pp. 53 - 63.
doi:10.1016/j.solener.2016.01.007.
[39] M. Balato and M. Vitelli, 'A new control strategy for the optimization of
Distributed MPPT in PV applications', International Journal of Power Energy
System, Vol. 62, pp. 763 - 773, 2014. doi:10.1016/j.ijepes.2014.05.032.
[40] B. Bendib, F. Krim, H. Belmili, MF Almi and S. Boulouma, 'Advanced fuzzy
MPPT controller for a stand-alone PV system', Energy Procedia, Vol. 50, pp. 383 -
392, 2014. doi:10.1016/j.egypro.2014.06.046.
[41] Rajesh R, Mabel MC. Efficiency analysis of a multi-fuzzy logic controller for the
determination of operating points in a PV system. Sol Energy 2014;99:77–87.
doi:10.1016/j.solener.2013.10.036.
[42] Zheng Y, Wang W, Chen W, Li Q. Research on MPPT of photovoltaic system
based on PSO under partial shading condition. Chinese Control Conf. CCC, vol.
2016–Augus, 2016, p. 8654–9. doi:10.1109/ChiCC.2016.7554738.
[43] A.A. Bayod-Rújula and J.A. Cebollero-Abián, 'A novel MPPT method for PV
systems with irradiance measurement', Solar Energy, Vol. 109, pp. 95 - 104, 2014.
doi:10.1016/j.solener.2014.08.017.
[44] Ahmed J, Salam Z. A Maximum Power Point Tracking (MPPT) for PV system
using Cuckoo Search with partial shading capability. Appl Energy 2014;119:118–
30. doi:10.1016/j.apenergy.2013.12.062.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
263
[45] Y. Soufi, M. Bechouat and S. Kahla, 'Fuzzy-PSO controller design for maximum
power point tracking in photovoltaic system', International Journal of Hydrogen
Energy, pp. 1 - 9, 2016. doi:10.1016/j.ijhydene.2016.07.212.
[46] J. Shi, W. Zhang, Y. Zhang, F. Xue and T. Yang, 'MPPT for PV systems based on a
dormant PSO algorithm', Electrical Power System Research, Vol. 123, pp. 100 -
107, 2015. doi:10.1016/j.epsr.2015.02.001.
[48] A.S. Benyoucef, A. Chouder, K. Kara, S. Silvestre and O.A. Sahed, 'Artificial bee
colony based algorithm for maximum power point tracking (MPPT) for PV systems
operating under partial shaded conditions'. Applied Soft Computing, Vol. 32, C,
pp. 38 - 48, 2015. doi:10.1016/j.asoc.2015.03.047.
[49] G. Cibira, 'Relations among photovoltaic cell electrical parameters', Applied
Surface Science, 2018. doi:10.1016/j.apsusc.2018.05.194.
[50] D. Oliva, M. Abd. El. Aziz and A. Ella, 'Parameter estimation of photovoltaic cells
using an improved chaotic whale optimization algorithm'. Applied Energy, Vol.
200, pp. 141 - 154, 2017. doi:10.1016/j.apenergy.2017.05.029.
[51] Z. Wu, D. Yu and X. Kang, 'Parameter identification of photovoltaic cell model
based on improved', Vol. 151, pp. 107 - 115, 2017.
doi:10.1016/j.enconman.2017.08.088.
[52] C. Huang and L. Wang, 'Simulation study on the degradation process of
photovoltaic modules', Energy Conversion and Management, Vol. 165, pp. 236 -
243, 2018. doi:10.1016/j.enconman.2018.03.056.
[53] D. De, D.E. Grenoble et L. Bun, 'Détection et Localisation de Défauts pour un
Système PV', 2011.
[54] M. Cândida, C. de Oliveira, A. Sonia, A. Diniz, M. Viana and V. de Freitas, 'The
causes and effects of degradation of encapsulant ethylene vinyl acetate copolymer
(EVA) in crystalline silicon photovoltaic modules: a review', Renewable
Sustainable Energy Review, pp. 1 - 19, 2017. doi:10.1016/j.rser.2017.06.039.
[55] A. Kobi, CMF Ke, PA Ndiaye and V. Sambou, 'Degradations of silicon photovoltaic
modules: A literature review', Solar Energy, Vol. 96, pp. 140 - 151, 2013.
doi:10.1016/j.solener.2013.07.005.
[56] V. Sharma and S.S. Chandel, 'Performance and degradation analysis for long term
reliability of solar photovoltaic systems: a review', Renewable Sustainable Energy
Review, Vol. 27, pp. 753 - 767, 2013. doi:10.1016/j.rser.2013.07.046.
[57] G. Illya, V. Handara, L. Yujing, R. Shivakumar and A. Suriadi, 'Backsheet
Degradation under Salt Damp Heat Environments - Enabling Novel and
Innovative Solar Photovoltaic Systems Design for Tropical Regions and Sea Close
Areas', Procedia Engineering, Vol. 139, pp. 7 - 14, 2016.
doi:10.1016/j.proeng.2015.09.233.
[58] IEA - PVPS, 'Review of Failures of Photovoltaic Modules', 2014.
[59] S. Hachour, 'Approche décentralisée pour la détection et la localisation de défauts
dans une ferme photovoltaïque', Projet de Stage, 2011.
[60] A. Pat, 'Automatique', R. Khenfer, 2015.
[61] C. Ventura and G. Marco, 'Development of models for on-line diagnostic and
energy assessment analysis of PV power plants : the study case of 1 MW Sicilian
N. Aouchiche
264
PV plant', Energy Procédia, Vol. 83, pp. 248 - 257, 2015.
doi:10.1016/j.egypro.2015.12.179.
[62] E. Garoudja, A. Chouder, K. Kara and S. Silvestre, 'An enhanced machine learning
based approach for failures detection and diagnosis of PV systems ', Energy
Conversion and Management, Vol. 151, pp. 496 - 513, 2017.
doi:10.1016/j.enconman.2017.09.019.
[63] T. Takashima, J. Yamaguchi, K. Otani, T. Oozeki, K. Kato and M. Ishida,
'Experimental studies of fault location in PV module strings', Solar Energy
Materials & Solar Cells, Vol. 93, pp. 1079 - 1082, 2009.
doi:10.1016/j.solmat.2008.11.060.
[64] I. Tro, 'Fault Detection in a Photovoltaic Plant by Time Domain Reflectometry',
Vol. 2, pp. 35 - 44, 1994.
[65] F. Lin, Y. Hung, J. Hwang and M. Tsai, 'Fault-Tolerant Control of a Six-Phase
Motor Drive System Using a Takagi – Sugeno – Kang Type', Vol. 28, pp. 3557 -
3772, 2013.
[66] S. Silvestre, A. Chouder and E. Karatepe, 'Automatic fault detection in grid
connected PV systems', Solar Energy, Vol. 94, pp. 119 - 127, 2013.
doi:10.1016/j.solener.2013.05.001.
[67] A. Chouder and S. Silvestre, 'Automatic supervision and fault detection of PV
systems based on power losses analysis', Energy Conversion Management, Vol.
51, pp. 1929 - 1937, 2010. doi:10.1016/j.enconman.2010.02.025.
[68] N. Shah and C. Rajagopalan, 'Experimental evaluation of a partially shaded
photovoltaic system with a fuzzy logic-based peak power tracking control strategy',
I.E.T., Renewable Power Generation, pp. 1 - 10, 2015. doi:10.1049/iet-
rpg.2015.0098.
[69] T. Zhou and W. Sun, 'Study on maximum power point tracking of photovoltaic
array in irregular shadow', International Journal of Electric Power Energy System,
Vol. 66, pp. 227 - 234, 2015. doi:10.1016/j.ijepes.2014.10.030.
[70] Y. Liu, M. Li, X. Ji, X. Luo, M. Wang and Y. Zhang, 'A comparative study of the
maximum power point tracking methods for PV systems', Energy and Conversion
Management, Vol. 85, pp. 809 - 816, 2014. doi:10.1016/j.enconman.2014.01.049.
[71] S. Vergura, G. Acciani and O. Falcone, 'A Finite-Element Approach to Analyze the
Thermal Effect of Defects on Silicon-Based PV Cells', Energies, Vol. 59, pp. 3860 -
3867, 2012.
[72] Y. Hu, Y. Yang, Y. Ning Y, C. Wang and Z. Tong, 'Facile preparation of
artemisia argyi oil-loaded antibacterial microcapsules by hydroxyapatite-
stabilized Pickering emulsion templating', Colloids Surfaces B Biointerfaces, Vol.
112, pp. 96 - 102, 2013. doi:10.1016/j.colsurfb.2013.08.002.
[73] J. Flicker, 'Analysis of Fuses for 'Blind Spot' Ground Fault Detection', in
Photovoltaic Power Systems J. Flicker Solar America Board for Codes and
Standards 2013.
[74] Systems, 'Solar America Board for Codes and Standards', 2012.
[75] J.C. Hern and P.G. Vidal, 'Guidelines for Protection Against Electric Shock in PV
Generators', Vol. 24, pp. 274 - 282, 2009.
Défauts liés aux systèmes photovoltaïques autonomes et techniques de...
265
[76] J. Flicker and J. Johnson, 'Photovoltaic ground fault detection recommendations
for array safety and operation', Solar Energy, 140, pp. 34 - 50, 2016.
doi:10.1016/j.solener.2016.10.017.
[77] D.S. Pillai and N.A. Rajasekar, 'Comprehensive review on protection challenges
and fault diagnosis in PV systems', Renewable Sustainable Energy Review, Vol.
91, pp. 18-40, 2018. doi:10.1016/j.rser.2018.03.082.
[78] Internationale Norme International Standard, 2005.
[79] H.A. Straube and O. Breitenstein, 'Solar Energy Materials & Solar Cells Infrared
lock-in thermography through glass substrates', Solar Energy Materials Solar
Cells, Vol. 95, pp. 2768 - 2771. 2011, doi:10.1016/j.solmat.2011.05.017.
[80] O. Breitenstein, F. Fruhaut and A. Teal, 'An Improved Method to Measure the Point
Spread Function of Cameras Used for Electro- and Photoluminescence Imaging of
Silicon Solar Cells', IEEE Journal of Photovoltaic, Vol. 6, N°2, pp. 522 - 527,
2016.